Bacharelado em Administração
IFMG - Campus Formiga
26 de março de 2025
Tópicos
Visão Geral de Ciência de Dados
Apresentação do Programa da Disciplina
A cada:
Capa de Outubro/2012
Fundamentos de Ciência de Dados para:
O que é Ciência de Dados?
Pode parecer intimidador, mas em essência:
Trata-se de uma abordagem estruturada para extrair significado e valor das enormes quantidades de dados gerados diariamente.
Exemplo: compras online
A cada toque no seu telefone;
Acada alerta de fraude no seu cartão de crédito;
A cada recomendação personalizada no seu serviço de streaming.
Tudo isso é Ciência de Dados trabalhando nos bastidores.
Exemplo: compras online
Os varejistas analisam seu histórico de compras e hábitos de navegação para recomendar aquele presente perfeito ou decidir o melhor momento para enviar uma notificação de promoção.
Trata-se de usar dados para compreensão e previsão de padrões.
Figura 1: Ciclo de Vida da Análise de Dados
Nota: Utilize uma imagem representativa do ecossistema de dados.
Habilidades Técnicas
Domínio de ferramentas de visualização de dados como Power BI/Tableau, conhecimento avançado em planilhas eletrônicas, como MS Excel.
Proficiência em linguagens de programação como R e/ou Python.
Experiência básica com bancos de dados (SQL).
Habilidades Analíticas
Exemplos de Aplicações Práticas
Análise de dados em setores como finanças, saúde e turismo, fornecendo insights para melhorar, por exemplo, a gestão de recursos e o atendimento ao cliente.
Elaboração de análises descritivas e diagnósticas: a análise descritiva busca entender o que aconteceu, enquanto a análise diagnóstica, qual o motivo – o porquê.
Habilidades Técnicas
Proficiência em ferramentas de BI como Power BI/Tableau/Qlik, com foco na criação e manutenção de dashboards.
Conhecimento sólido em bancos de dados e linguagem SQL para extração de dados.
Familiaridade com ETL (Extração, Transformação e Carga) e data warehousing.
Conhecimento em Excel avançado e noções de linguagens como R, e/ou Python.
Habilidades Analíticas
Capacidade de traduzir necessidades de negócio em requisitos técnicos para dashboards e relatórios.
Habilidade para identificar KPIs relevantes e criar visualizações eficientes.
Exemplos de Aplicações Práticas
Desenvolvimento de painéis interativos para acompanhamento de indicadores de desempenho em áreas como vendas, RH e operações.
Criação de relatórios automatizados para apoiar a tomada de decisão estratégica.
Foco em análises preditivas e prescritivas: identificar o que pode acontecer e sugerir o que deve ser feito.
Como as funções se confundem
Sobreposição de ferramentas: ambos utilizam ferramentas de visualização como Power BI e conhecimentos em SQL.
Foco diferenciado: enquanto o Analista de Dados concentra-se na exploração e interpretação aprofundada dos dados, o Analista de BI foca na criação de soluções de visualização e monitoramento contínuo.
Ciclo de trabalho: o Analista de BI tende a trabalhar mais em ciclos regulares (relatórios periódicos), enquanto o Analista de Dados frequentemente trabalha em projetos específicos com prazos definidos.
Na prática: em empresas menores, um mesmo profissional frequentemente assume ambos os papéis.
Habilidades Técnicas
Proficiência em linguagens de programação como Python e/ou R, com conhecimento de bibliotecas específicas (pandas, tidyverse, scikit-learn, tidymodels).
Conhecimento em SQL e bancos de dados relacionais e não-relacionais.
Familiaridade com ferramentas de versionamento (Git) e ambientes de desenvolvimento.
Habilidades Analíticas
Conhecimentos em estatística aplicada e modelagem matemática.
Capacidade de preparar e transformar conjuntos de dados para análise e modelagem.
Capas de Implementar os principais algoritmos de machine learning.
Exemplos de Aplicações Práticas
Desenvolvimento de modelos de classificação e regressão para problemas como previsão, segmentação de clientes e detecção de anomalias.
Análises preditivas e prescritivas: utilizando dados históricos para prever comportamentos futuros e recomendar ações.
Criação de provas de conceito (POCs) para validação de hipóteses de negócio baseadas em dados.
Apresentação de resultados técnicos em formato acessível para partes interessadas não-técnicos.
Engenheiro de Dados
Profissional especializado na construção e manutenção de infraestruturas de dados. Responsável por projetar, desenvolver e otimizar* pipelines de dados, data warehouses e data lakes.
Seu foco está em garantir dados de qualidade, acessíveis e escaláveis para as equipes de análise e ciência de dados.
Cientista de Machine Learning (Aprendizagem de Máquina)
Essenciais para Profissionais de Dados
Boa comunicação oral e escrita: Saber explicar resultados técnicos para pessoas sem conhecimento técnico, usando linguagem simples e exemplos práticos.
Narrativa com dados: Capacidade de transformar números e resultados em histórias convincentes que influenciam decisões e destacam os insights mais relevantes.
Capacidade analítica: Abordar problemas de forma estruturada, fazer as perguntas certas e buscar soluções baseadas em evidências.
Pensamento crítico: Questionar suposições, avaliar a qualidade de informações e considerar interpretações alternativas antes de chegar a conclusões.
Conhecimento do negócio: Entender os objetivos da empresa, o mercado e como as análises se conectam às metas organizacionais.
Essenciais para Profissionais de Dados
Trabalho em equipe: Colaborar efetivamente com colegas de diferentes áreas, entender suas necessidades e integrar diferentes perspectivas.
Gerenciamento de projetos: Planejar etapas de trabalho, estabelecer prazos realistas e comunicar progresso aos interessados.
Adaptabilidade: Lidar bem com mudanças de requisitos, prioridades e tecnologias em um campo em constante evolução.
Curiosidade intelectual: Fazer perguntas relevantes, buscar constantemente novos conhecimentos e ter interesse genuíno em explorar dados.
Site da Disciplina
Prof. Washington Silva - Introdução à Ciência de Dados